Puces Edge AI : Piloter l'avenir de l'intelligence embarquée

En 2020, Deloitte projetait que plus de 750 millions de puces Edge AI — processeurs complets ou partiels exécutant ou accélérant l'apprentissage machine directement sur les dispositifs — seraient vendues, générant 2,6 milliards USD de revenus. Le segment des puces Edge AI devrait surpasser le marché des semi-conducteurs au sens large ; d'ici 2024, les ventes unitaires devraient dépasser 1,5 milliard, soit un taux de croissance annuel composé d'au moins 20 % — plus du double du CAGR de 9 % prévu à long terme pour l'industrie dans son ensemble.

Figure 1 : Emplacements où l'intelligence peut être embarquée (Image : Deloitte Insights)

Les puces Edge AI sont appelées à apparaître dans une gamme croissante de matériel grand public — smartphones haut de gamme, tablettes, enceintes intelligentes et wearables — ainsi que dans les dispositifs d'entreprise comme la robotique, caméras de sécurité et capteurs industriels. Le segment grand public domine, pourtant son taux de croissance est modeste, avec un CAGR de 18 % projeté de 2020 à 2024. En contraste, le marché entreprise devrait bondir à un CAGR de 50 % sur la même période.

Figure 2 : Aperçu du marché des puces Edge AI (Image : Deloitte Insights)

Même en 2024, le marché grand public devrait représenter plus de 90 % des ventes de puces Edge AI, tant en volume qu'en revenus. Les smartphones haut de gamme compteront pour plus de 70 % de toutes les puces Edge AI grand public en usage, les prochaines années étant largement tirées par l'adoption des smartphones. Environ un tiers des 1,56 milliard d'unités smartphone vendues cette année intègrent déjà des capacités Edge AI.

Traditionnellement, les charges de travail IA étaient gérées dans les centres de données, cœurs d'entreprise ou processeurs edge télécom en raison de leurs lourdes demandes computationnelles. Les puces Edge AI changent ce paradigme : elles sont compactes, rentables, économes en énergie et génèrent peu de chaleur, rendant le traitement local sur dispositifs portables et industriels viable. Ce changement réduit — voire élimine — le besoin de transmettre de gros volumes de données vers des serveurs distants, offrant des temps de réponse plus rapides et des garanties de confidentialité renforcées.

Le traitement local protège les données sensibles ; une information qui ne quitte jamais un dispositif ne peut être interceptée ou détournée. De plus, une puce Edge AI embarquée dans un téléphone peut effectuer des tâches avancées même sans connectivité réseau.

Cela dit, toutes les tâches IA ne sont pas mieux gérées localement. Pour les charges de travail dépassant la capacité d'un dispositif, le déchargement vers le cloud ou les grappes edge reste approprié. En pratique, la plupart des applications adoptent un modèle hybride — partiellement sur le dispositif, partiellement dans le cloud — avec la répartition optimale déterminée par le cas d'usage spécifique.

L'économie de l'Edge AI dans les smartphones

Au-delà des smartphones, tablettes, wearables et enceintes intelligentes intègrent aussi des puces Edge AI, mais leur impact de marché est actuellement limité. Les ventes de tablettes sont relativement plates, et les enceintes intelligentes et wearables ensemble devraient atteindre seulement 125 millions d'unités en 2020. Malgré leur taille modeste, les taux de pénétration des puces Edge AI dans ces catégories sont élevés.

Actuellement, les puces Edge AI se trouvent principalement dans les smartphones premium — le tiers supérieur du spectre de prix. Cependant, l'ajout d'un accélérateur IA n'entraîne pas nécessairement une hausse des prix pour le consommateur.

En examinant les plans de puce (die shots) de Samsung, Apple et Huawei, on peut approximer la contribution au coût du cœur IA. Le Exynos 9820 de Samsung, par exemple, alloue environ 5 % de sa surface de puce au traitement IA. Avec le SoC entier à 70,50 USD, la portion IA représente environ 5 % de ce coût, soit 3,50 USD par puce.

Figure 3 : Die Exynos 9820 de Samsung – 5 % de surface dédiée à l'IA (Image : ChipRebel ; Annotation : AnandTech)

L'A12 Bionic d'Apple consacre environ 7 % de sa surface à l'apprentissage machine. Avec un coût total du processeur de 72 USD, cela se traduit par environ 5,10 USD pour le cœur IA. Le Kirin 970 de Huawei, coûtant 52,50 USD, alloue 2,1 % de sa surface au NPU, suggérant un coût d'environ 1,10 USD (Huawei note 150 millions des 5,5 milliards de transistors pour le NPU, soit 2,7 % du total, ce qui placerait le coût près de 1,42 USD).

Figure 4 : A12 Bionic d'Apple – 7 % de surface pour l'apprentissage machine (Image : TechInsights/AnandTech)

Bien que les estimations de coût varient, une moyenne de 3,50 USD par NPU est raisonnable. Appliquée à un demi-milliard de smartphones — et davantage en comptant tablettes, enceintes et wearables — le volume de marché total est substantiel. Avec un coût de fabrication de 1 à 3 USD par puce, l'ajout d'un NPU Edge AI ne représente qu'une augmentation de 1 à 2 USD au prix consommateur, une hausse négligeable de moins de 1 % pour un téléphone à 250 USD.

Approvisionnement en puces IA : Interne ou tiers ?

Les fabricants de dispositifs choisissent différentes voies pour obtenir des puces Edge AI, guidées par le niveau de produit et parfois la géographie. Beaucoup achètent des SoC processeur/application modem auprès de vendeurs tiers comme Qualcomm et MediaTek, qui capturaient ensemble environ 60 % du marché des SoC smartphone en 2018. Bien que toutes leurs offres n'incluent pas un cœur IA, les modèles haut de gamme comme les Snapdragon 845/855 de Qualcomm et Helio P60 de MediaTek en intègrent.

Apple, par contraste, conçoit et produit ses propres SoC — A11, A12, A13 Bionic — chacun incorporant une fonctionnalité Edge AI. Samsung et Huawei emploient des stratégies hybrides, s'approvisionnant certains SoC sur le marché marchand tout en utilisant leurs propres puces (ex : Exynos 9820 de Samsung, Kirin 970/980 de Huawei) pour d'autres modèles.

» Lire la suite page deux de cet article publié à l'origine sur notre site sœur, EE Times Europe.